本申请公开一种基于强化学习的车联网资源分配方法，包括：车联网环境模块收集当前环境数据传输存放到初始经验回放模块；余弦相似性模块对初始经验回放模块存放数据过滤发送到频谱分配模块和发射功率分配模块用以训练Target网络；基于DQN算法的功率分配模块和基于DDPG算法的发射功率分配模块输出分配动作，经最终策略模块将动作复合，作用于车联网环境模块。本发明通过将环境变化的变量作为参量计算，提高车联网资源分配的可靠性；通过将频谱与功率条件复合分析，使车联网资源分配结果偏差降低；通过对经验回放加入了余弦相似性过滤，使整个系统更快的趋向于收敛。